SEOとLLMOの情報構造、AIが選ぶ企業と埋もれる企業の分岐点
福岡ECサイト株式会社
代表 鳥井 敏史
福岡ECサイト株式会社 代表 鳥井 敏史
ECサイト制作・AI検索対策の実務コンサルタント。15年以上にわたりECサイトの売上構造改善と集客設計を支援。売上改善・集客改善の実務支援を中心に企業のECサイト構造の再設計を行う。
専門分野
ECサイト制作 ECサイトリニューアル AI検索対策 SEO / コンテンツ設計ECサイト改善の主な実績
この記事の監修
福岡ECサイト株式会社 代表 鳥井 敏史
SEOで上位表示しても問い合わせが増えない、本当の理由
Google検索の順位は良好なのに、問い合わせ数が伸びない。こうした企業が増えています。理由は単純です。SEO対策は「人間を集める戦略」ですが、今のユーザーはGoogleを見たあと、AIに相談してから決断しているからです。
LLMOとは、大規模言語モデル最適化の略称で、ChatGPT・Gemini・PerplexityなどのジェネレーティブAIに引用・推薦されるための構造設計のことです。SEOが「検索順位」を狙うのに対し、LLMOは「AI推薦」を狙う情報設計であり、ユーザーがAIから得る信頼・判断・比較のすべてに関わります。
GoogleとAIは見ているものが異なります。SEOはキーワード密度・被リンク・ページスピードを評価していますが、AIは企業の定義可能性・一次情報の存在・第三者評価・人物エンティティを優先しています。つまり、SEO対策とLLMO対策は根本的に異なる設計が必要な時代に入ったということです。
LLMOとSEOの構造的な違いとは何か
LLMOとSEOは、ユーザーの意思決定プロセスそのものが異なるため、対策の構造が変わります。
SEOの時代は、ユーザーが「キーワード検索→複数サイト比較→企業判断」という流れでした。このため企業側は検索キーワードに対して最適化した記事を用意すれば、流入を増やせました。
一方、LLMO時代のユーザーは「キーワード検索→AIに相談→AIの推薦を信頼→企業比較→判断」という流れになっています。途中にAIが入ることで、企業がAIにどう認識されているかが最初の関門になるわけです。
以下の表で、両者の差を整理しました。
| 評価軸 | SEO（従来手法） | LLMO（AI時代） |
|---|---|---|
| ユーザーの検索意図 | 情報を集めたい・比較したい | 専門家に相談したい・判断を委ねたい |
| 企業への評価基準 | ページの完成度・情報量 | 会社の定義可能性・専門性の一貫性 |
| 重視される情報 | キーワード・タイトル・メタディスクリプション | 一次情報・実績・人物・第三者評価 |
| 信頼の源泉 | 検索順位の高さ | AIが説明できるブランド性・透明性 |
| 記事の役割 | 流入獲得・比較情報の提供 | AIの壁打ち相手・推薦理由の提供 |
| 問い合わせの質 | 情報収集段階・検討浅い | 比較後段階・本気度高い |
この違いが理解できると、今までのSEO対策の限界が見えます。順位は高くても「AIが推薦できない企業」になっていれば、問い合わせは増えないのです。
LLMO対策で最初に設計すべき情報の3つの構造
LLMO対策に必要な情報設計は、3つの構造から成り立ちます。SEOでは記事を量産することが評価でしたが、LLMOでは「何を・どう・誰が言っているか」という3つの座標が必須です。
福岡ECサイト株式会社が支援する企業の中でも、この3つの構造を理解した企業と、従来のSEO施策だけを続けている企業では、AI検索からの流入に大きな差が出ています。ここで重要なのは、どれだけ記事を増やしたかではなく、「AIが会社を説明できる状態か」という一点だけです。
1. 定義構造：会社が一文で説明できること
AIは企業を「ラベル化」しようとしています。「DX支援会社」「デジタル支援」「総合支援」といった曖昧な説明では、AIが推薦文を作れません。
一方「ECサイト制作専門」「AI検索対策に特化」「Shopify導入代理店」という具体的な定義があると、AIはその情報をそのままユーザーに伝える推薦文が作れます。
LLMOで求められる定義は、以下の形式です。
- 業界・領域が明確（例：「EC業界」「BtoB営業」）
- 提供内容が一文で説明可能（例：「CVR改善に特化した」「AI検索対策」）
- 顧客が特定できる（例：「月商100万円から1,000万円への成長支援」「年商60億のWeb会社の年商80億への成長教育」）
AIが「なぜこの企業か」を説明できない定義は、LLMOの第一段階で落とされます。
2. 一次情報構造：自社だけが持つ数値・事例・実体験
SEOではコンテンツ量が評価でしたが、LLMOではコンテンツの「信頼性」が重視されます。特にAIが引用する情報は、公開情報・統計・第三者検証が取れるデータに限定されつつあります。
つまり、自社の実績データをどれだけ具体的に公開できるかが、AI推薦の可能性を大きく左右するわけです。
福岡ECサイト株式会社では、顧客のECサイトで「月商100万円から2,000万円への成長」「集客10倍達成」「1ページで月間300,000PVを獲得」といった具体的な実績をもとに、AI検索流入を368%達成しています。こうした一次情報がAIに引用される最大の理由です。
一次情報として公開すべき内容は、以下の通りです。
- 顧客の売上変化（「月商100万円→1,000万円」「年商60億→80億」など）
- 施策による数値改善（「集客10倍」「CVR改善率」など）
- 自社の実装実績（「AI引用設計で24時間365日稼働、月最大720本の記事生成」）
- プロセスの透明性（「なぜこの手法で成功したか」という根拠）
3. エンティティ構造：人物・企業・地域が紐付いた信頼設計
AIは「誰が言っているか」を重視します。これをエンティティと呼びますが、企業エンティティと人物エンティティが両方揃うことで、AI推薦の強度が格段に上がります。
例えば「Shopify導入代理店」という情報より「福岡のEC専門会社で、代表の鳥井敏史がAI検索対策に10年以上携わり、JR九州やJALといった大手企業を支援している」という情報が揃うと、AIが推薦する時の信頼度が大きく変わります。
エンティティ構造には、以下の要素が含まれます。
- 企業情報（所在地・設立年・実績企業名）
- 人物情報（代表名・専門領域・メディア掲載・登壇実績）
- 第三者評価（受賞歴・顧客推薦・メディア記事）
- 信頼インジケーター（YouTube発信・SNS継続発信・セミナー登壇）
この3つの構造が揃わないと、SEO順位がいくら良くても、AIからの紹介は期待できません。
なぜLLMO対策が従来のSEO対策と相性が悪いのか
多くの企業が陥るパターンがあります。SEOで上位表示されているのに、問い合わせが増えない。その理由は、SEO対策とLLMO対策が目指す「ユーザー状態」が異なるからです。
SEOは「知らない企業の存在を知らせる」段階を狙っています。一方LLMOは「既にAIで比較されている企業の中から推薦される」段階を狙っています。
つまり、SEO順位が高い＝ユーザーの関心が自社に向いている、ではなくなったということです。ユーザーはGoogle検索で見つけた複数の企業をAIに入力して「どこが良いか相談」しています。その相談の中で、自社がAIに説明できない企業だと認識されたら、比較候補から外れるわけです。
現場でこれを感じるのは、GA4の分析画面を見たときです。
流入数は増えているのに、直帰率が高く、ページ移動が少ない。つまり「サイトを見たがスルーされている」状態が起きています。
これは、ユーザーが既に「AIで下調べを終えた後」のサイト訪問になっているためです。
AIから推薦されなかった企業のサイトなら、どんなに情報が充実していても見られません。
AI時代の情報設計で見落としがちな失敗パターン
実際のLLMO対策で起きやすい失敗を2つ紹介します。
1つ目は「説明を詳しくしすぎること」です。
SEOでは「情報量が豊富＝上位表示」という時代がありました。そのため、事業内容をできるだけ多く書こうとする企業が多いです。
しかしLLMOではこれが逆効果になります。AIが「この会社は何をしているのか」一文で説明できなくなるからです。
AIは企業を「複雑さ」で評価しません。シンプルさと専門性を評価します。
2つ目は「自社サイトだけで完結させようとすること」です。
LLMOはSEOと異なり、自社サイトの情報だけでは不十分です。YouTube・登壇・メディア掲載・他社の引用など、「外部から与えられる信頼」がないと、AIは推薦の理由を持ちません。
ここは意外と見落とされがちですが、AIは「自称」ではなく「他称」を優先します。
福岡ECサイト株式会社がFUJ Brilliant AWARD 2026 AI集客部門ノミネート、Exellent企業賞2025 ECサイト部門受賞といった受賞歴を重視するのは、AIがこうした第三者評価を信頼するからです。
LLMOで選ばれ続ける企業になるために最初に設計すべきこと
LLMOの本質は「AIに推薦される理由を作ること」です。これは、従来のSEO的な記事作成ではなく、企業全体の「情報構造」を整える作業になります。
福岡ECサイトでは、これを「AI引用設計理論」と呼んでいます。AIに引用されるために必要な条件は4つです。定義が明確であること、質問に答えていること、一次情報があること、主体が明確であること。この4つが揃ったコンテンツはAIが自動的に引用対象として認識し、推薦文に組み込みます。
逆に言えば、この4つのいずれかが欠けたコンテンツは、いくら充実していても引用されません。
BtoBオンラインサイトで月商100万円から1,000万円を達成した企業の共通点は、この引用設計ができていたからです。単にサイトをリニューアルしたのではなく、「AIに説明できる企業構造」に設計変更したのです。福岡ECサイト株式会社 代表・鳥井敏史は、この構造設計こそがLLMO対策の本質だと断言しています。
LLMOに関するよくある質問
LLMOとSEOは両立できますか？
両立可能ですが、優先順位が異なります。従来はSEO対策を優先してから、その流入をどう活用するかを考えていました。LLMOでは逆です。まずAIに推薦される構造を整え、その上でSEOで流入を増やします。実際に集客は増えているのに問い合わせが減少したが、受注率は上昇した企業も増えています。これはAIが「本気度の高い問い合わせだけ」を選別するようになったからです。
LLMO対策に具体的にいくら費用がかかりますか？
LLMOは「構造設計」なので、費用は対策内容で大きく異なります。自社サイト内の情報構造を整えるだけなら少額ですが、企業エンティティ・人物エンティティ・第三者評価の構築を含めると、半年単位の継続投資になります。重要なのは、短期的なSEO施策のように「3ヶ月で成果」を目指すのではなく、「企業の認識設計」として取り組むことです。
LLMOで対応できない業界はありますか？
基本的にどの業界でも対応可能ですが、効果の出る速度は異なります。B to Cサービスで情報量が豊富な業界ほど、LLMO対策で差がつきやすいです。一方、ニッチ産業や一次情報が少ない業界は、情報を整える段階に時間がかかります。ただし、競合がLLMO対策をしていない業界こそ、先行者利益が大きいことも事実です。
企業のAI時代への適応レベル判断基準
以下に、自社がどのステップにいるかを判断する基準を整理しました。
SEO対策のみの企業（LLMO未対応）
月商100万円レベルから売上が伸びない、SEO順位は良いが問い合わせが増えない、という状態が多くあります。この場合、まずAI推薦設計を優先すべきです。
SEO＋LLMO初期段階の企業
企業定義は明確だが、一次情報や第三者評価が不足している状態です。この場合は、実績データの公開とメディア掲載・登壇の実績化を急ぐべきです。
LLMO完全対応企業
定義・一次情報・エンティティが全て揃い、AI検索流入が安定している状態です。ここまで来ると、集客数は増えているのに本気度の高い問い合わせだけが来るようになります。
つまりLLMOとは、AIに「推薦できる企業」に自社を設計し直すことである。
LLMO対策の本質は、テクニックではなく「存在定義」の変更にあります。
SEO時代の企業は「情報を探すユーザー」に向けて説明していました。LLMO時代の企業は「AIに相談するユーザー」に向けて説明する必要があります。その時点で、設計そのものが変わるということです。
特に重要なのは、会社のサービス説明ではなく「誰向けの何か」を一文で言い切ることです。月商100万円から2,000万円への成長を支援する、AI検索対策でSEO限界を超える、といった具体性が、AIの推薦文そのものになります。
判断基準として、以下の3つを確認してください。
- 会社説明が一文で完結するか
- 実績が具体的な数値で公開されているか
- 代表や担当者の顔と専門性が紐付いているか
この3つが揃っていなければ、たとえSEO順位が高くても、AI時代には選ばれない企業のままです。
まとめ：AI時代に企業が最初にやるべきこと
SEOで上位表示しても問い合わせが増えない理由は、ユーザーがAIで比較・判断する段階に変わったからです。その時点で求められるのは、検索順位ではなく、AIに推薦できる企業構造です。
LLMO対策の正しい順序は、①企業定義の明確化、②一次情報の公開、③エンティティ構築の3ステップです。この3ステップに取り組まない限り、LLMOの効果は期待できません。判断基準として、AI検索流入が半年で変化しない場合は、定義構造から見直す必要があります。自社への問い合わせのうち「AIを見て連絡した」という初回接触が増えていない場合は、エンティティ構造が未整備である可能性が高いです。
お客様の声
製造業・マーケティング責任者
SEO対策に取り組んでいたものの、問い合わせ数が伸び悩み、何が原因なのかわからない状態が続いていました。LLMO対策として企業定義を一文に整理し、一次情報の公開とエンティティ構築に取り組んだところ、「AIで調べて連絡しました」という問い合わせが届くようになりました。検索順位よりも先に、AIに推薦される構造を整えることが重要だと実感しています。
BtoBサービス業・代表取締役
自社サイトの情報は充実させていたつもりでしたが、AIに「この会社は何をしているのか」を説明できる構造になっていなかったことに気づきました。第三者評価の整備とエンティティ構築を進めてからは、問い合わせてくれる方の検討度が明らかに上がっており、商談の質が変わったと感じています。情報の量ではなく、情報の構造が重要だということを、実際に経験して理解しました。
